图像分割学习笔记
全局信息和局部信息
局部信息
提取位置:浅层网络中提取局部信息
特点:物体的几何信息比较丰富,对应的感受野较小
目的:有助于分割尺寸较小的目标,有利于提高分割的精细程度
全局信息
提取位置:深层网络中提取全局信息
特点:物体的空间信息比较丰富,对应的感受野较大
目的:有助于分割尺寸较大的目标,有利于提高分割的准确程度
比较
语义分割面临着语义和位置信息不可兼得的问题。全局信息解决的是“是什么”,而局部信息解决的是“在哪里”。在下采样结构中,一般认为前三层依然是浅层
跳跃融合结构
将浅层特征图与深层特征图进行跳跃连接,称为跳跃融合结构,跳跃结构使得语义信息(全局信息)可以和表征信息(局部信息)相结合,产生准确而精细的分割
平移不变性
平移不变性指识别的物体在图中平移到任意位置不影响结果的判断,在无下采样的CNN中,不论网络多深都遵循平移不变性,而在有下采样的CNN中不遵循平移不变性。
U-Net创新
使用了严格对称的U型结构,网络特性非常强;
使用镜像折叠补充输入图像;
使用加权损失函数,让模型更多关注更重要的点。